382 / 2024-03-27 15:43:35

基于YOLOv5n-CND的矿用输送带异物检测算法

异物检测；YOLOv5n；C2f模块；NWD损失函数；DyHead检测头

4、智能化装备技术 > 1、智能矿山装备技术

针对煤矿井下粉尘干扰、高噪声、低照度、运动模糊，导致对矿用输送带异物检测精度低，误检率与漏检率高的问题，对YOLO目标识别算法系统研究，提出了一种基于改进的YOLOv5n-CND矿用输送带目标检测模型。采用主干网络C2f模块融合代替C3模块，使用更少参数解决在井下异物图像采集背景复杂且存在复杂目标干扰对小目标检测不敏感的问题；引入归一化高斯瓦萨斯坦距离(Normalized Wasserstein Distance，NWD)回归损失函数，提高对模糊小目标的检测识别及模型的定位精度与效率，降低误检率和漏检率；添加了一种统一注意力机制目标检测头(Dynamic Head，DyHead)，将尺度、空间和任务三种注意力机制结合，提升模型检测性能。实验结果表明：改进后的模型mAP@0.5可达0.879，mAP@0.5:0.95可达0.559，识别速度为85.5fps。